<p>Translating knowledge into action to prevent pediatric and adolescent diabesity: a meeting report</p>
Notice bibliographique
Résumé
BACKGROUND: The obesity and Type 2 Diabetes Mellitus (T2DM) rates are at an all-time high globally. This diabesity epidemic is increasingly impacting children and adolescents, and there is scarce evidence of interventions with favourable long-term outcomes. PURPOSE: In order to understand the determinants of diabesity and how to address them, multiple stakeholders were invited to a meeting to discuss current state of knowledge and to help design a program to prevent pediatric and adolescent diabesity. PARTICIPANTS AND METHODS: The meeting was held at McMaster University on March 4th, 2015. The event involved presentations to deliver state-of-the-art knowledge about diabesity, and roundtable discussions of several domains including nutrition, physical activity, sleep, and mental health. Discussion transcripts were analyzed using NVivo. RESULTS: Forty-nine participants took part in the workshop. They included clinical healthcare professionals, public health, Aboriginal Patient Navigator, research scientists, students, and patients with family members. A total of 628 reference counts from the roundtable discussions were coded under 20 emerging themes. Participants believed that the most important elements of the program involve the provision of knowledge and education, family involvement, patient motivation, location of program delivery, and use of surveys and questionnaires for outcome measurement. CONCLUSION: Effective pediatric and adolescent diabesity prevention programs should be conceptualized by multidisciplinary stakeholders and embrace the complexity of diabesity with multiprong interventions. This meeting provided a framework for developing such interventions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».